R-FCN：基于区域的全卷积网络目标检测
计算机视觉与模式识别
2023-12-12 v3
摘要
我们提出基于区域的全卷积网络，用于准确高效的目标检测。与先前应用代价高昂的逐区域子网络数百次的基于区域的检测器（如 Fast/Faster R-CNN）不同，我们的基于区域的检测器是全卷积的，几乎全部计算在整幅图像上共享。为实现此目标，我们提出位置敏感得分图，以解决图像分类中的平移不变性与目标检测中的平移方差之间的两难困境。因此，我们的方法可以自然采用全卷积图像分类器主干网络，如最新的残差网络（ResNets），用于目标检测。我们在 PASCAL VOC 数据集（例如 2007 集上 83.6% mAP）上使用 101 层 ResNet 展示了有竞争力的结果。同时，我们的结果以每幅图像 170ms 的测试时间速度取得，比 Faster R-CNN 对应方法快 2.5-20 倍。代码公开于：https://github.com/daijifeng001/r-fcn
引用
@article{arxiv.1605.06409,
title = {R-FCN: Object Detection via Region-based Fully Convolutional Networks},
author = {Jifeng Dai and Yi Li and Kaiming He and Jian Sun},
journal= {arXiv preprint arXiv:1605.06409},
year = {2023}
}
备注
Tech report